semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446Ily pp. 1~5
69
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PESTISIDA PADA TANAMAN JAGUNG BISI 2 MENGGUNAKAN METODE CBR Yaseruddin *1, Muh. Ihsan Sarita2, Sutardi3 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Halu Oleo, Kendari e-mail: *1
[email protected] ,
[email protected],
[email protected] *1,2,3
Abstrak Pemilihan pestisida pada tanaman Jagung Bisi 2 sudah menjadi hal yang seharusnya dilakukan untuk mengefisienkan hasil tanam. Pemilihan pestisida biasanya dilakukan dengan menggunakan pestisida yang tersedia namun tidak tepat penggunaannya, sehingga mengakibatkan hasil panen yang kurang maksimal. Untuk itu dibutuhkan sebuah sistem pendukung keputusan untuk membantu dalam pemilihan pestisida pada tanaman Jagung Bisi 2 dengan memberikan informasi tentang penggunaan pestisida pada tanaman Jagung Bisi 2 berdasarkan gejala-gejala yang terlihat pada tanaman, serta cuaca dan kondisi tanah yang pada lokasi penanaman Jagung Bisi 2. Dengan menggunakan metode Case Based Reasoning (CBR) sistem ini dapat memberi informasi kepada pengguna tentang penggunaan pestisida yang tepat pada tanaman Jagung Bisi 2, sehingga dapat digunakan oleh pelajar atau mahasiswa yang sedang melakukan penelitian atau belajar dibidang pestisida pada tanaman Jagung Bisi 2. Kata Kunci : Sistem Pendukung Keputusan, Metode Case Based Reasoning (CBR) dan Pestisida. Abstract These days, the use of computer has developed significantly and been familiar with society. Most society do not use computer only for commercial business, but also for obtainning information in instant and efficient way by computer-based application. The development of Decision Support technology enables Decision Support System to be applied into computer software by programming language. For example in constructing information system about agricultural problems, mainly in choosing the suitable pesticide for Corn bisi 2. The method, namely Case Based Reasoning (CBR) is used to detect and diagnose the disease symptoms of Corn bisi 2. By the facility given for user, it will enable user to use this system sufficiently. The user find it easier to figure out the information related to kinds of disease symptoms and determining the suitable Pesticide. Keywords : Decision Support System, Case Based Reasoning (CBR) Method and pesticide. 1. PENDAHULUAN
Pemilihan Pestisida pada Tanaman Jagung Bisi 2 [1].
istem pendukung keputusan merupakan sistem komputer interaktif yang membantu untuk mengambil keputusan dengan menggunakan data dan berbagai model untuk menyelesaikan masalah yang tidak terstruktur. Penerapan sistem ini telah dikembangkan dalam berbagai bidang, salah satunya akan diterapkan pada kasus
Pendekatan penalaran kasus (Case Based Reasoning (CBR), digunakan dalam Sistem Pendukung Keputusan Penentuan Pestisida pada Tanaman Jagung Bisi 2. Case-Based Reasoning
S
(CBR) merupakan pendekatan untuk membangun pengetahuan berdasarkan kasus dan solusi pada masa lalu untuk mendapat kembali solusi pada kasus yang baru. Received June 1st,2012; Revised June 25th, 2012; Accepted July 10th, 2012
70
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446 ISSN: 1978-1520 Dari uraian tersebut, dengan menyadari 3. Sistem harus dapat meningkatkan arti penggunaan pestisida untuk membasmi efektivitas pengambilan keputusan hama pada tanaman Jagung Bisi 2 maka manajer [3]. perlu adanya pengetahuan tantang penentuan 2.2 Case Base Reasoning (CBR) jenis pestisida yang akan digunakan. Sistem penunjang keputusan sangat cocok untuk Sistem berbasis kasus atau Case Based menampilkan persentase keyakinan dengan Reasoning (CBR) merupakan model pestisida yang akan digunakan, sehingga hal penalaran untuk menyelesaikan masalah tersebut melatarbelakangi penulis dengan menggunakan konsep analogi. mengangkat permasalahan ini sebagai judul Kapabilitas CBR di bidang medis mencakup skripsi, yaitu “Sistem Pendukung Keputusan diagnosis, prognosis, terapi, dan tindak lanjut Dalam Pemilihan Pestisida Pada Tanaman pada pasien . Pada dasarnya, CBR akan Jagung Bisi 2 Menggunakan Metode Case membandingkan suatu kasus baru dengan Based Reasoning (CBR)”. kasus-kasus lain yang sudah tersimpan sebelumnya. Selain itu, juga akan dilakukan 2. METODE PENELITIAN penandaan terhadap kasus-kasus klinis, serta Decision Support System atau Sistem menemukan kembali kasus-kasus yang mirip. Pendukung Keputusan (SPK), secara umum Sehingga dapat dikatakan bahwa pada CBR didefinisikan sebagai sebuah sistem yang ada dua fungsi utama yang dilakukan, yaitu mampu memberikan kemampuan baik modul penandaan kasus baru, dan aktivitas kemampuan pemecahan masalah maupun temu kembali kasus yang telah ada [4]. kemampuan pemgkomunikasian untuk Sistem Berbasis Kasus-Case Based masalah semi-terstruktur. Secara khusus, Reasoning Secara detail [4], membagi CBR SPK didefinisikan sebagai sebuah sistem dalam empat tahap (Gambar 1), yaitu: yang mendukung kerja seorang manajer 1. Retrieve adalah menemukan kembali maupun sekelompok manajer dalam kasus yang paling mirip dengan kasus memecahkan masalah semi-terstruktur baru yang akan dievaluasi. dengan cara memberikan informasi ataupun 2. Reuse adalah menggukan kembali usulan menuju pada keputusan tertentu [2]. informasi atau pengetahuan yang telah tersimpan pada basis kasus untuk 2.1 Konsep Dasar Sistem Pendukung memecahkan masalah kasus. Keputusan 3. Revise adalah memperbaiki solusi yang Sistem pendukung keputusan (SPK) diusulkan. mulai dikembangkan pada tahun 1960-an, 4. Retain adalah menyimpan pengetahuan tetapi istilah sistem pendukung keputusan itu yang nantinya akan digunakan untuk sendiri baru muncul pada tahun 1971, yang memecahkan masalah kedalam basis diciptakan oleh G. Anthony Gorry dan kasus yang ada. Micheal S.Scott Morton, keduanya adalah profesor di MIT. Hal itu mereka lakukan dengan tujuan untuk menciptakan kerangka kerja guna mengarahkan aplikasi komputer kepada pengambilan keputusan manajemen [3]. Sementara itu, perintis sistem pendukung keputusan yang lain dari MIT, yaitu Peter G.W. Keen yang bekerja sama dengan Scott Morton telah mendefenisikan tiga tujuan yang harus dicapai oleh sistem pendukung keputusan, yaitu: 1. Sistem harus dapat membantu manajer dalam membuat keputusan guna memecahkan masalah semi terstruktur. 2. Sistem harus dapat mendukung manajer, Gambar 1 Case based reasoning cycle [4] bukan mencoba menggantikannya. IJCCS Vol. x, No. x, July 201x : first_page – end_page
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76, ISSN: 2460-1446IJCCS 2.2
Algoritma Retrieval
Nearest
Neighbour
Algoritma Nearest Neighbor Retrieval adalah sebuah algoritma untuk melakukan klasifikas terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Kasus khusus di mana klasifikasi diprediksikan berdasarkan data pembelajaran yang paling dekat disebut algoritma nearest neighbor retrieval [5]. Algoritma nearest neighbor retrieval berdasarkan pada proses pembelajaran menggunakan analogi / learning by analogi. Training sampelnya dideskripsikan dalam bentuk atribut numerik n-dimensi. Tiap sampel mewakili sebuah titik pada ruang ndimensi. Dengan cara ini, semua training sampel disimpan pada pola ruang n-dimensi. Ketika diberikan “unknown” sampel, nearest neighbor classifier mencari pola ruang training sampel yang paling dekat “unknown” sampel tersebut. training sampel ini adalah nearest neighbor dari unknown sampel. Persamaan (1) digunakan untuk menghitung bobot kemiripan (similarity) dengan nearest neighbor retrieval.
ISSN: 1-1520
71
setelah itu user mengganti kriteria gejala dengan usia, cuaca dan kondisi tanah, setelah itu user menekan tombol proses. 2. Kemudian sistem akan memproses data yang dimasukan dengan mencari kasus yang paling mirip dengan yang ada di database. Setelah didapat maka sistem akan menampilkan kemungkinan hama yag menyerang serta pestisida yang direkomendasikan untuk digunakan 2.4
Flowchart Sistem
Perancangan flowchart atau diagram alir akan memudahkan pengembang untuk mengimplementasikan sistem kedalam bahasa pemograman, karena akan menjelaskan bagaimana kerja sistem dari awal hingga akhir. Gambar 2 menunjukkan flowchart sistem dengan metode CBR. Mulai
Input data gejala
Kasus pernah diselesaikan tidak
( , )=
∑
( , ). ∑
(1)
Retrive
Untuk menentukan ( , ), digunakan persamaan (2). 1 = ( , )= (2) 0 ≠
K-NN Reuse
Keterangan: : Kasus baru ke- dalam pada target case : Kasus lama ke: Jumlah atribut dalam setiap kasus : Atribut individu antara 1 sampai dengan : fungsi similarity atribut antara kasus dan kasus : bobot yang diberikan pada atribut ke- .
Revise
Retain
Selesai
Gambar 2 Flowchart metode case based reasoning
[5]. 2.3
Gambaran Umum Sistem
Gambaran umum sistem pendukung keputusan penentuan pestisida pada tanaman Jagung Bisi 2 dengan metode Case Based Reasoning (CBR) adalah sebagai berikut: 1. User melakukan penginputan gejalagejala yang terlihat pada tanaman jagung,
2.5
Use Case Diagram
Use case diagram digunakan untuk memodelkan dan menyatakan unit fungsi atau layanan yang disediakan oleh sistem. Use case diagram juga menjelaskan mengenai aktor-aktor yang terlibat dengan perangkat lunak yang dibangun beserta
Title of manuscript is short and clear, implies research results (First Author)
72
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446 ISSN: 1978-1520 proses-proses yang ada didalamnya. Gambar Jika sudah terpilih maka item kriteria akan 2 menunjukkan use case diagram SPK ditampilkan pada list dibawahnya. Gambar 5 penentuan pestisida pada tanaman Jagung menunjukkan perancangan halaman Utama. Bisi 2. Login data hama
data penyakit
Gambar 5 Perancangan halaman Utama data pestisida
3. HASIL DAN PEMBAHASAN jenis kriteria
kriteria
Gambar 3 Use Case Diagram Admin
Menu aplikasi spk
3.1
Implementasi Sistem
Pada tampilan halaman utama terdapat 3 tombol yaitu: 1. Tombol tambah berfungsi untuk menambah item kriteria yang dipilih menjadi inputan. 2. Tombol hapus berfungsi untuk menghapus kriteria yang telah dipilih. 3. Tombol proses berfungsi untuk memproses hasil perhitungan pada aplikasi dimana menggunakan algoritma nearest neighbor retieval.
tambah
Gambar 6 menunjukkan tampilan halaman utama aplikasi. hapus
User proses
Gambar 4 Use Case Diagram User 2.6
Perancangan interface
Pada halaman utama User dapat menggunakan aplikasi SPK penentuan pestisida. Terdapat 3 tombol yaitu tombol tambah untuk menambah gejala yang dipilih menjadi gejala inputan, tombol hapus untuk menghapus kriteria yang telah dipilih dan tombol proses untuk memproses data yang telah dipilih. Pilihan jenis kriteria berfungsi untuk menampilkan pilihan jenis kriteria.
Gambar 6 Tampilan halaman utama aplikasi
IJCCS Vol. x, No. x, July 201x : first_page – end_page
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76, ISSN: 2460-1446IJCCS 3.2
Analisis Sistem
Metode case based reasoning merupakan metode yang menerapkan 4 tahapan proses, yaitu retrieve, reuse, revise, dan retain. Cara kerja metode case based reasoning secara umum adalah berpedoman pada basis pengetahuan yang dimiliki oleh sistem yang bersumber dari kasus-kasus yang pernah terjadi pada masa yang lalu yang kemudian dihitung tingkat kemiripannya dengan kasus baru yang dimasukan pengguna. Berdasarkan tingkat kemiripan kasus inilah sistem akan mengeluarkan kemungkinan hama yang menyerang dengan pestisida yang direkomendasikan.
Contoh Perhitungan Kasus Kasus baru Gejala: Terdapat lubang kecil pada daun Terdapat larva pada batang Usia: 2-3 Minggu Cuaca: Hujan Kondisi Tanah: Lembab
Kasus 88 Gejala: Terdapat lubang kecil pada daun Daun terlihat rusak tinggal tulang daun Terdapat pupa pada tanah Usia: 2-3 Minggu Cuaca: Hujan Kondisi Tanah: Lembab Solusi: Tanaman jagung terserang hama Ulat Grayak, maka pestisida yang direkomendasikan ialah Starmek 18EC Kasus 49
ISSN: 1-1520
73
Usia: >3 Minggu Cuaca: Hujan Kondisi Tanah: Lembab Solusi: Tanaman jagung terserang hama Lalat Bibit, maka pestisida yang direkomendasikan ialah Lannate 40SP Berikut adalah contoh perhitungan kedekatan kasus yang baru dengan kasus lama yaitu:
Proses Retrieve Penerapan Algoritma Nearest Neighboar retrieval didapatkan hasil sebagai berikut: 1.
Kondisi Cuaca Usia Jagung Kondisi Tanah Terdapat lubang kecil pada daun Terdapat larva pada batang Daun terlihat rusak tinggal tulang daun Terdapat pupa pada tanah Terdapat lubang gorokan pada batang
Hujan 2-3 minggu
Kasus Lama Kasus Kasus 88 49 Hujan Hujan 2-3 >3 minggu minggu
Lembab
Lembab
Lembab
√
√
√
√
-
√
-
√
-
√
-
-
Kasus Baru
√
Proses perhitungan pada tahap retrieve adalah sebagai berikut: Perhitungan Kasus Baru Terhadap Kasus 88
Gejala: Terdapat lubang kecil pada daun Terdapat larva pada batang Terdapat lubang gorokan pada batang
Kedekatan kriteria usia adalah 1 dengan bobot 80. Kedekatan kriteria kondisi tanah adalah 1 dengan bobot 60.
Title of manuscript is short and clear, implies research results (First Author)
74
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446 ISSN: 1978-1520 Bobot pada gejala Terdapat lubang kecil tanaman Jagung Bisi 2, pada proses revise pada daun adalah 65. dilakukan oleh admin dimana data baru yang Bobot pada gejala Terdapat larva pada dimasukkan akan disimpan pada database batang adalah 25. setelah itu akan dievaluasi dan diperbaiki Dengan menggunakan persamaan (1) oleh pakar untuk mencocokan solusinya. diperoleh : 4. Proses Retain Similarity (88,baru) Setelah proses revise selesai dan sudah ( ∗ ) ( ∗ ) ( ∗ ) ( ∗ ) = ditemukan solusi yang benar-benar tepat barulah admin menambah kasus baru yang = sudah ditemukan solusinya tersebut kedalam = 0,891304 database yang nantinya dapat digunakan Jadi nilai kedekatan kasus 88 dengan kasus untuk kasus berikutnya yang memiliki baru adalah 0,891304. permasalahan yang sama. Kasus Baru Terhadap Kasus 49 4. KESIMPULAN Kedekatan kriteria usia adalah 1 dengan bobot 80 Berdasarkan pembahasan dan evaluasi Kedekatan kriteria kondisi tanah adalah 1 sistem pendukung keputusan penentuan dengan bobot 60 pestisida pada tanaman Jagung Bisi 2 dengan Bobot pada gejala Terdapat lubang kecil pada metode Case Based Reasonig maka dapat daun adalah 65 disimpulkan: Bobot pada gejala Terdapat larva pada batang 1. Metode Case Based Reasoning (CBR) adalah 25 dengan algoritma nearest neighboar Dengan menggunakan persamaan (1) retrieval sesuai jika diimplementasikan diperoleh : dalam kasus penentuan pestisida pada Similarity (49,Baru) tanaman Jagung Bisi 2. Teknik yang ( ∗ ) ( ∗ ) ( ∗ ) ( ∗ ) digunakan dengan menggabungkan = nearest neighboar retrieval sebagai = algoritma menghitung kemiripan kasus. =1 2. Perancangan aplikasi SPK dalam Jadi nilai kedekatan kasus 49 dengan pemilihan pestisida pada tanaman Jagung kasus baru adalah 1. Bisi 2 dapat dilakukan dengan menggunakan metode Case Based 2. Proses Reuse Reasoning dan algoritma nearest Dari hasil perhitungan tersebut, kasus neighboar retrieval sehiingga dari yang memiliki bobot kemiripan paling aplikasi tersebut dapat membantu rendah adalah pada kasus 88 dengan nilai 0, pelajar/mahasiswa yang sedang 891304. Kasus 49 memiliki nilai kedekatan melakukan penelitian atau belajar 1. dibidang pestisida pada tanaman jagung Pada proses Reuse solusi yang dengan memberikan informasi tentang diberikan adalah solusi dengan bobot pestisida yang digunakan pada tanaman kemiripan kasus lama dengan kasus baru jagung. yang paling tinggi. Dalam contoh kasus ini 5. SARAN kasus 49 adalah kasus yang paling mirip dengan hasil perhitungan nilai 1. Jadi Saran untuk pengembangan sistem kemungkinan hama yang menyerang pada lebih lanjut disarankan untuk menambahkan kasus baru ialah hama lalat bibit, maka metode lain untuk mengoptimalkan akurasi pestisida yang direkomendasikan adalah yang diperoleh atau menambahkan data lannate 40SP. kriteria seperti gejala yang mempengaruhi serangan hama terhadap tanaman Jagung Bisi 3. Proses Revise 2. Proses revise adalah proses peninjauan kembali kasus dan solusi yang diberikan. Pada aplikasi penentuan pestisida pada IJCCS Vol. x, No. x, July 201x : first_page – end_page
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76, ISSN: 2460-1446IJCCS
ISSN: 1-1520
75
DAFTAR PUSTAKA [1]
Rukmana, R., 2012, Usaha Tani Jagung, Penerbit Kanisius, Jogjakarta.
[2]
Hermawan, J., 2005, Membangun Decision Support System, Andi, Yogyakarta
[3]
Turban E., Aronson J. E., dan Liang T.P., 2005, Decision Support Systems And Intelligent Systems I, Andi Offset, Yogyakarta.
[4]
Althoff, K. D., 2001, Case-Based Reasoning, Handbook of Software Engineering &Knowledge Engineering (ed. S.K. Chang) Vol 1, World Scientific, Singapore.
[5]
Fransisca, 2011, Implementasi Case Based Reasoning Untuk Sistem Diagnosis Penyakit Anjing, http://ti.ukdw.ac.id/ojs /index.php/ informatika/article/view File/101/64,, diakses 12 September 2015.
Title of manuscript is short and clear, implies research results (First Author)
76
semanTIK, Vol.1, No.2, Jul-Des 2015, pp. 69-76 ISSN: 2460-1446 ISSN: 1978-1520
IJCCS Vol. x, No. x, July 201x : first_page – end_page